请教高手，META分析一般有哪些分类方式 或者说META分析的数据来源一般有哪些 不同数据来源有何特点

互动百科中对META分析的介绍比较详细，可以参考：>

最佳证据总结和meta分析

寻找证据的传统方法通常是使用主流数据库，例如EMBASE。这些数据库由多种来源构成，涵盖了上百万的相关或不相关的论文。尽管在过去它们是寻找证据的首选方法，但信息超载使它们变得不适于实际 *** 作，并且大多数临床医生无论多么努力，都无法通过这种方法找到最佳证据。

另一种流行的方法是仅在 Google 中检索。遗憾的是，由于缺乏透明度，Google 无法可靠地从未经证实或非科学监督的资料来源中筛选出现有的最佳证据

Meta分析（Meta-analysis）是用于比较和综合针对同一科学问题研究结果的统计学方法，其结论是否有意义取决于纳入研究的质量，常用于系统综述中的定量合并分析。与单个研究相比，通过整合所有相关研究，可更精准地估计医疗卫生保健的效果，并有利于探索各研究证据的一致性及研究间的差异性。而当多个研究结果不一致或都无统计学意义时，采用Meta分析可得到接近真实情况的统计分析结果。

阅读已结束

下载

打开APP获取全文



版权说明：本文档由用户提供并上传，收益专属归内容提供方，若内容存在侵权，请进行举报或认领

第 1 页





定义上有差别: meta分析Meta分析(Meta-analysis)是用于比较和综合针对同一科学问题研究结果的统计学方法。证据(evidence)是指依照诉讼规则认定案件事实的依据。

2

使用上和意义上有差别: meta分析其结论是否有意义取决于纳入研究的质量,常用于系统综述中的定量合并分析。与单个研究相比,通过整合所有相关研究,可更精准地估计医疗卫生保健的效果,并有利于探索各研究证据的一致性及研究间的差异性。而当多个研究结果不一致或都无统计学意义时,采用Meta分析可得到接近真实情况的统计分析结果。 证据对于当事人进行诉讼活动,维护自己的合法权益,对法院查明案件事实,依法正确裁判都具有十分重要的意义。证据问题是诉讼的核心问题,在任何一起案件的审判过程中,都需要通过证据和证据形成的证据链再现还原事件的本来面目,依据充足的证据而作出

查看更多



要对连续性数据进行meta分析，需要提取每篇文章的分组情况、样本量、均值、标准差。需要初步整理为如下格式，如下图所示：

对文章效应指标的选择，目前使用较多的是加权均数差（WMD）和标准均数差（SMD）。

让原始研究效应估计的精度性决定其在meta分析中的权重，消除了绝对值的大小对分析结果的影响。

WMD在STATA软件中的计算语句为：nostandard

则表示暴露组和对照组观察变量的相对大小，可以消除研究中不同测量单位带来的影响，适用于不同指标来衡量相同结果的meta分析。

SMD在STATA软件中的计算语句为：Cohen, Hedge, Glass

理论上应该先判断研究异质性的大小，再根据异质性来选择分析模型，但在实际 *** 作中，常常先选择固定效应模型，然后计算异质性，如果异质性不接受，则再选择随机效应模型。

1)STATA 软件为 固定效应模型 提供的算法为倒方差法，实施语句为fixed。

2）STATA 软件为 随机效应模型 提供的算法为I-V heterogeneity法，实施语句为random。

打开STATA软件的数据录入界面，将之前收集好的原始数据录入，如下图所示

固定效应模型分析语句：

metan n1 mean1 sd1 n2 mean2 sd2, label(namevar=study) texts(180) fixed nostandard

随机效应模型分析语句：

metan n1 mean1 sd1 n2 mean2 sd2, label(namevar=study) texts(180) random nostandard

将语句输入STATA的命令对话框，点击回车后，命令的结果会呈现如下，并自动d出森林图。结果如下图所示：

STATA语句：

metafunnel _ES _seES

将语句输入STATA的命令对话框，点击回车后，会自动d出漏斗图。结果如图5所示：

完结

文章研究的结局指标是二分类变量时，频数可以用2×2的表格呈现，如图1所示：

对于文章的效应指标的选择，通常有OR值（比值比），RR值（相对危险度）和RD值（率差）。根据纳入文章的研究设计类型选择合适的分析指标。

1）数据录入：打开STATA软件中的数据录入界面，完成对纳入研究数据的录入。其中a,b,c,d分别代表二分类表中的频数，如图2所示：

分析STATA 语句：

固定效应模型：

metan a b c d, or fixed

随机效应模型：

metan a b c d, or random

将语句输入STATA的命令对话框，点击回车后，命令的结果会呈现如下，并自动d出森林图。结果如图3所示：

首先使用的是固定效应模型，语句中lcols(study)用于在森林图中添加作者姓名和发表年份。结果显示：Q=51, p =0404>005,表明研究间同质性较好，因为 p >01,I 2 <40%,故采用固定效应模型分析。最终的分析结果为 p <0001,表明结果有统计学意义。

STATA绘制的森林图如图4所示：

3）绘制漏斗图

STATA语句：

metafunnel _ES _selogES

将语句输入STATA的命令对话框，点击回车后，会自动d出漏斗图。结果如图5所示：

每个散点代表纳入的研究，漏斗图可以直观地提示发表偏倚。

这就是二分类数据meta初步分析 *** 作流程。

在医学研究中，多分类数据很常见，例如血型（A型、B型、AB型和O型）。对于无序分类数据的研究，也可进行meta分析，但是 需要将多分类进行重新归纳整理成二分类的数据。 然后采用二分类数据meta分析的方法进行 *** 作，具体过程请筒子们看看文前。

相信大家在面对临床研究中，遇到过 只有效应量和置信区间的结果数据 ，没有其他具体描述的，但是邮件又无法联系原文作者；或者该研究就是源于交叉实验的效应量、时间事件分析（HR）的研究。面对想好的idea，是不是有点抓狂？不用怕，STATA软件也可以整合这样的数据，进行meta分析，下面将向大家介绍。

以 只有HR及其置信区间 的数据为例：

1）首先，关于效应模型的选择。与前文类似。

2）数据录入：打开STATA软件的数据录入界面，将之前收集好的原始数据录入，如下图所示：

其中hr代表文章的风险比（HR）效应值，ll代表HR的95%可信区间的下限，ul代表HR的95%可信区间的上限。

3）数据分析及森林图绘制：

首先要计算HR和95%可信区间的对数值。因为在meta分析中，通常要求效应差异度量的对应样本统计量服从正态分布，效应指标是HR，则效应差异度量为HR的对数值。

STATA语句命令为：

等数据转换完成后，就可以进行meta分析了。STATA的实行语句为：

metan lnhr lnll lnul, eform label(namevar=study) texts(180) effect(HR)

将语句输入STATA的命令对话框，点击回车后，命令的结果会呈现如下，并自动d出森林图。结果如图2所示：

其中eform代表结果从HR对数值返回HR值；label(namevar=study)则在表格和森林图中注明研究信息；texts(180)用于调整森林图中文字的大小。

结果显示：

Q=1288, p =0116>005, 表明研究间同质性较好，因为 p >01,I 2 =379%,故采用固定效应模型分析。最终的分析结果为 p =0126>005,表明结果无有统计学意义。

d出的森林图如图3所示：

1

在R命令框输入以下命令：

installpackages("rmeta") #安装rmeta程序包

library(rmeta)

data(cochrane) #加载演示数据库

cochrane #显示数据库cochrane

2

计算fixed effect model 固定效应模型，输入以下命令：

modelFE <- metaMH(ntrt,nctrl,evtrt,evctrl, names=name,data=cochrane)

summary(modelFE)

3

计算random effect model 随机效应模型，输入以下命令：

modelRE <- metaDSL(ntrt,nctrl,evtrt,evctrl, names=name,data=cochrane)

summary(modelRE)

4

绘制森林图，输入以下命令：

tabletext<-cbind(c("","Study",modelFE$names,NA,"Summary"),c("Deaths","(steroid)",cochrane$evtrt,NA,NA), c("Deaths","(placebo)", cochrane$evctrl, NA,NA), c("","OR",format(exp(modelFE$logOR),digits=2),NA,format(exp(modelFE$logMH),digits=2)))

#上面的命令帮我们构建森林图需要的文字描述部分，包括1、name， 2、治疗组死亡人数，3、对照组死亡人数，4、单个研究的OR值。

m<- c(NA,NA,modelFE$logOR,NA,modelFE$logMH)

l<- m-c(NA,NA,modelFE$selogOR,NA,modelFE$selogMH)2

u<- m+c(NA,NA,modelFE$selogOR,NA,modelFE$selogMH)2

#上面三行命令是准备森林图需要的参数包括OR值和OR值95%CI区间的上下限

forestplot(tabletext,m,l,u,zero=0,issummary=c(TRUE,TRUE,rep(FALSE,8),TRUE), clip=c(log(01),log(25)), xlog=TRUE, col=metacolors(box="royalblue",line="darkblue", summary="royalblue"))

#上面的命令是最后绘制森林图

系统综述和meta分析是一回事儿吗？答案是否定的。Meta分析是一种定量综合的手段，通过前述系统综述的方法全面检索和筛选文献后。我们将对该主题相关的所有文献提取相关信息。根据提取的信息，我们可以轻松地完成系统综述的定性描述部分。

通常这个时候我们会发现：这些文献中表达的观点有可能相似，也有可能完全不同，不同的文章的研究样本量，效应值也不尽相同。这时候我们可以通过Meta分析的方法，把这些研究的结果综合起来考虑，可以部分解决研究结果不一致的问题，并且改善效应估计值得大小。

可以做meta分析的软件也很多，Revman软件是cochrane系统综述和meta分析常用的免费软件，不仅可以进行数据分析，系统综述部分的文献质量评价、信息提取、异质性分析、数据合并以及文章的撰写都提供了完整的模板。整个软件通过按钮点击和拖拉拽就可以完成。

另外常用的Stata，SPSS，R和SAS都可以进行meta分析合并数据。Meta分析的结果通常是一个森林图（包括异质性检验--卡方和P值）

Am J Clin Nutrition 2005;81:397-408

刚开始做meta分析，最希望尽快出一个森林图和合并值。其实应该先考虑异质性检验的结果。如果异质性明显存在，需要检查是不是数据提取有错误（标准差和标准误混淆），是否需要修改要合并的效应值，是否需要进行亚组分析或者meta回归分析。如果考虑异质性仍然合并数据，可以采用随机效应合并数据。如果实在异质性严重存在，我们可以放弃Meta分析。

用stata软件，使用metan函数（首次使用，可能需要联网安装），可以对来自多个研究的数据进行合并分析并且做森林图。连续变量、二分类变量、对比效果（OR，RR，HR）及其置信区间或者标准差都可以进行合并。可以采用随机效应或者固定效应模型（两种方法不改变点估计值，改变合并值的置信区间）来合并。并且如上图，会给出合并结果与0比较的检验结果，和异质性分析值。

用metan函数可以合并的效应值比较多需要提供2，3，4或者6个变量。

如果直接合并效应值，可以提供2个变量：效应值和标准误（目标总体的变异）或者三个变量效应值，效应值的下限，效应值的上限。

如果是两组结果数据的合并。对于二分类变量，需要提供4个变量：依次是实验组发生目标事件的数量，实验组未发生目标事件的数量，对照组发生目标事件的数量和对照组未发生目标事件的数量就可以分析生成合并的OR值；如果是连续变量的合并，需要提供6个数据：实验组样本量，均值，标准差，和对照组样本量，均值和标准差，可以合并出标准化均数差。

示例语句：

/第一行：使用metan，汇总实验组死亡人数，未死亡人数，对照组死亡人数，未死亡人数；/

metan tdeath tnodeath cdeath cnodeath,

/第二行：按年份排序，森林图左侧显示编号、年份、国家，右边显示人群类型/

 sortby(year) lcols(id year country)rcols(population)

/第三行：调整森林图的文字、图形显示比例，不显示统计量，不显示权重，不在窗口展示表格/

 textsize(110) astext(60) double nostats nowtnohet notable

另外，可以使用metafunnel函数可以做一个漏斗图，判断发表偏倚（作为文献检索是否全面的一个直观判断）

以上就是关于请教高手，META分析一般有哪些分类方式 或者说META分析的数据来源一般有哪些 不同数据来源有何特点全部的内容，包括:请教高手，META分析一般有哪些分类方式 或者说META分析的数据来源一般有哪些 不同数据来源有何特点、meta分析（二）、meta分析和证据总结差别等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！